开发一个机器学习模型来预测手术内输血和指导类型和屏幕排序
Matthew A C Zapf1, Daniel V Fabbri2, Jennifer Andrews3
1Department of Anesthesiology, Vanderbilt University Medical Center, Nashville, TN, USA.
Journal of clinical anesthesia
|September 29, 2023
概括
机器学习使用电子健康记录数据准确地预测手术内红细胞输血. 这可以优化血液产品的订购,并改善患者的护理.
科学领域:
- 医疗信息学 医疗信息学
- 医疗保健中的机器学习
- 输血医学 输血医学
背景情况:
- 在医疗保健中,优化血液产品的利用是至关重要的.
- 术前预测红细胞 (RBC) 输血需求可以提高效率.
- 目前订购类型和屏幕的方法可能会导致不必要的测试.
研究的目的:
- 开发和验证用于预测手术内红细胞输血的机器学习算法.
- 用电子医疗记录中的手术前变量进行预测.
- 引导和改进手术前的类型和屏幕订单实践.
主要方法:
- 对单中心医院数据 (2019-2022) 的回顾性分析.
- 开发和比较七个机器学习算法.
- 在2019-2021年的数据上进行模型培训,并为机构敏感性设置值 (93%).
- 对2022年的数据进行外部验证,需要灵敏度>90%进行比较.
主要成果:
- 在预测手术内输血时,LightGBM模型实现了76.1%的整体准确度,91.2%的灵敏度.
- 该模型证明了2022年数据的外部时间有效性.
- 实施LightGBM模型可以将类型和屏幕与输血比从8.4提高到5.1.
结论:
- 机器学习模型可以从手术前的数据有效地预测手术期间的红细胞输血.
- 将其集成到电子健康记录中可以增强手术前的类型和屏幕排序.
- 这种方法有可能优化血液管理和患者护理.


